ANALISIS GRAY LEVEL DIFFERENCE METHOD DAN METODE NAÏVE BAYES MENGIDENTIFIKASI PENYAKIT LIDAH MANUSIA
2. ISI PENELITIAN
2.6 Analisis Proses
Analisis proses yang akan dilakukan pada penelitian ini adalah analisis dalam melakukan klasifikasi citra berdasarkan tekstur. Tahapan- tahapan proses kerja dalam melakukan klasifikasi mulai dari data masukan sampai data keluaran. Berikut adalah tahapan analisis proses yang akan dilakukan dan untuk alur analisis proses dapat dilihat pada gambar 2 :
Berikut penjelasan dari tiap tahapannya adalah sebagai berikut :
1. Masukan citra Lidah
Merupakan langkah pengambilan data citra pada media masukan ke dalam sistem. Citra masukan berupa file gambar yang didalamnya mengandung objek lidah yang diambil menggunakan tinta stempel yang ditempelkan pada kertas lalu kemudian di scan.
2. Pengolahan citra
Pada tahap ini citra yang dimasukan akan diresize menjadi 32x32 piksel, di grayscale
menjadi keabu-abuan untuk mendapatkan nilai matriks grayscale. Setelah didapat matriks
grayscale kemudian dilakukan proses ekstraksi ciri gldm dan memberi nama klasifikasi setelah didapat nilai fitur rata-rata gldm.
3. Pelatihan naïve bayes
Tahap pelatihan pada naïve bayes yaitu mengambil data yang telah diberi nama klasifikasi dan memiliki nilai rata-rata fitur gldm untuk dihitung dan mencari nilai mean dan varian. Setelah didapat nilai mean dan varian data latih disimpan ke database.
4. Pengujian naïve bayes
Pada proses pengujian naïve bayes, masukan citra yang akan diujikan. Citra yang dimasukan akan diproses untuk mencari nilai densitas probabilitas dan mencari nilai posterior terbesar. Setelah didapat nilai posterior terbesar maka diketahui hasil klasifikasi dari citra uji.
2.6.1 Analisis Data masukan
Dalam penelitian ini, yang pertama akan dilakukan adalah analisis data masukan. Analisis data masukan dilakukan untuk mendapatkan sebuah nilai inputan yang nantinya dapat digunakan untuk proses klasifikasi dalam metode naïve bayes. Dalam penelitian ini, data masukan merupakan sebuah citra, yang akan dicari kandungan nilainya dengan menggunakan metode ekstraksi ciri matrix gldm, nilai keluaran yang akan didapatkan adalah Kontras, ASM, Entropi, IDM, dan Mean. Nilai-nilai tersebut akan dijadikan sebagai data awal yang akan digunakan sebagai inputan dalam metode naïve bayes. Tahapan- tahapan yang akan dilakukan pada analisis data masukan adalah preprocessing yaitu dengan melakukan resize dan grayscale citra. Setelah melakukan preprocessing, maka dilakukan ekstraksi ciri dengan metode matriks gldm untuk mendapatkan nilai fitur dari citra tersebut.
2.6.1.1 Preprocessing
Pada peneltian ini, preprocessing dilakukan untuk memudahkan mendapatkan nilai ekstraksi ciri. Preprocessing yang akan dilakukan adalah resize,
grayscale, dan kuantisasi citra. Berikut alur proses dari preprocessing :
2.6.1.1.1 Resize
Resize adalah tahap pertama dari preprocessing. Resize dilakukan untuk mempercepat dan memudahkan proses perhitungan. Berikut alur proses dari resizeing :
Gambar 3 alur proses resize
2.6.1.1.2 Grayscale
Grayscale merupakan proses untuk mengubah warna menjadi keabu-abuan. Dengan mengubah nilai RGB setiap piksel gambar menjadi satu nilai yang sama sehingga setiap piksel memiliki nilai yang sama untuk ketiga unsur warna serta didapatkan nilai matriks grayscale. Berikut alur dari proses grayscale :
Gambar 4 alur proses greyscale
2.6.1.2 Ekstraksi Ciri
Ekstraksi ciri adalah proses untuk mendaptkan ciri utama yang terdapat pada citra, citra yang telah di grayscale akan menghasilkan matriks grayscale ynag telah di kuantisasi, matriks tersebutlah yang akan digunakan pada tahap ini. Tahap ini akan menghitung 5 nilai statistik dari gldm yaitu Kontras, ASM, Entropi, IDM dan Mean dengan sudut simetri 0, 45, 90 dan 135 . Setelah didapatkan semua nilai dari sudut akan dirata-ratakan. Berikut alur proses dari ekstraksi ciri.
2.6.1.3 Nama klasifikasi
Nama klasifikasi digunakan untuk menentukan nama klasifikasi yang telah didapatkan nilai rata-rata statistik dari ekstraksi ciri gldm. Berikut alur proses dari nama klasifikasi:
Gambar 5 alur proses nama klasifikasi
2.6.2 Analisis Pelatihan Naïve Bayes
Pelatihan naïve bayes dilakukan untuk mendapatkan data latih, proses ini dilakukan menjadi 3 tahap yaitu ambil data, latih data dan simpan data. Tahapan-tahapan tersebut akan dijelaskan sebagai berikut :
2.6.2.1 Ambil Data
Ambil data berfungsi sebagai pengambilan data yang telah disimpan sebelumnya. Berikut alur proses dari ambil data:
Gambar 6 proses ambil data
1.6.2.2 Pelatihan naïve bayes
Proses pelatihan dengan naïve bayes dilakukan dengan melakukan perhitungan nilai mean dan varians. Berikut adalah alur proses pelatihan dengan naïve bayes:
Gambar 7 alur proses pelatihan
1.6.3 Pengujian Naïve Bayes
Gambar 8 pengujian naïve bayes
2.7 Pengujian
Pengujian algoritma ini bertujuan untuk mengetahui performansi dari metode gldm dan naïve bayes untuk klasifikasi citra. Pengujian pada penelitian ini adalah untuk mengukur tingkat keakuratan dan waktu yang dibutuhkaan untuk proses
klasifikasi citra dengan beberapa skenario yang telah dipersiapkan, untuk mengukur tingkat keakuratan menggunakan metode confusion matrix.
Kelas Hasil Klasifikasi Persentase A B Target Pemilik Rhomboid 4 01 80% Geographic 0 5 100% Tabel 1 Confusion matrix
Untuk menghitung akurasinya digunakan formula :
5
5 � = %
2.7.1 Rencana Pengujian
Pada penelitian ini, rencana pengujian dilakukan dengan beberapa skenario, berikut adalah skenario yang telah dipersiapkan :
1. Menguji citra yang dijadikan data latih. 2. Menguji citra yang tidak termasuk data
latih.
3. Menguji pengaruh jumlah data latih terhadap akurasi dan waktu.
2.7.1.1 Pengujian Skenario 1
Skenario 1 dilakukan dilakukan untuk mengetahui keakurasian dalam mengenali pola-pola yang telah dilatihkan kepadanya. Jika dapat mengenali masing-masing citra secara sempurna, maka Metode berfungsi dengan baik data citra yang dijadikan sebagai data latih dan juga akan dijadikan datauji dan memiliki rata-rata tingkat akurasi 85%.
2.7.1.2 Pengujian scenario 2
Pengujian skenario 2 dilakukan dengan menguji citra yang tidak termasuk dalam data latih, pengujian ini bertujuan untuk mengetahui tingkat pengenalan citra diluar data latih. Pada pengujian skenario 2 didapat kesimpulan yaitu untuk citra yang belum dilatih rata-rata tingkat akurasinya adalah kurang dari 85%. Berikut adalah hasil pengujian skenario 2
3. PENUTUP
3.1 Kesimpulan
Dari hasil penelitian, analisis pengolahan citra, pelatihan dan pengujian metode gldm dan Naïve bayes untuk klasifikasi citra berdasarkan tekstur ini, didapatkan kesimpulan yaitu :
1. Algoritma naïve bayes dapat mengklasifikasikan citra lidah berdasarkan hasil ekstraksi citra digital metode gldm.
2. Algoritman naïve bayes dapat melakukan klasifikasi citra berdasarkan tekstur yang diekstraksi dengan metode gldm. Dikarenakan data hasil ekstraksi ciri ini adalah berupa data continue, atau biasa disebut data nominal, sehingga saat proses klasifikasi data hasil ekstraksi ciri tersebut dapat langsung digunakan sebagai masukan dalam klasifikasi naïve bayes dan mempunyai nilai akurasi hampir 85%.
3.2 Saran
Dalam pembuatan Tugas Akhir ini, masih terdapat banyak kekurangan yang dapat diperbaiki untuk pengembangan berikutnya. Beberapa saran yang dapat diberikan, yaitu :
1. Data citra masuka diambil berdasarkan pemilihan data hasil riset kedokteran. 2. Untuk dapat mengklasifikasi berbagai citra
masukan sebaiknya menggunakan data latih yang banyak agar mendapatkan nilai presentase yang lebih tinggi.
3. Melakukan penelitian klasifikasi citra dengan menggunakan algoritma klasifikasi yang lain, seperti menggunakan SVM, jaringan syaraf tiruan dan lain-lainya agar dapat dibandingkan hasil keakuratan dan kecepatan prosesnya.